dengan standar
deviasi sebesar
0,646971. Nilai skewness dan kutosis masing-masing sebesar 1,370 dan 2,822
sehingga dapat disimpulkan bahwa data likuidasi
tidak terdistribusi
secara normal karena nilai tersebut tidak
mendekati nol.
Nilai rangeyang
merupakan selisih nilai maksimum dan minimum yaitu sebesar 3,610 dan nilai
sum yang merupakan penjumlahan dari 96 data likuidasi adalah sebesar
152,063.
6. Berdasarkan data diatas nilai standar
deviasi variabel ukuran perusahaan sebesar 2,107770 dan nilai tersebut
lebih kecil dari nilai mean variabel ukuran
perusahaan yakni
sebesar 15,01598, maka hasil dari statistik
deskriptif menunjukan adanya variasi yang kecil pada profitabilitas antar
perusahaan dan kesenjangan yang cukup rendah antara nilai maksimum
dan nilai minimum. Secara keseluruhan nilai ukuran perusahaan terkecil adalah
6,682 dan terbesar sebesar 19,892. Nilai skewness dan kutosis masing-masing
sebesar -0,132 dan 1,775 sehingga dapat disimpulkan
bahwa data
ukuran perusahaan tidak terdistribusi secara
normal karena nilai tersebut tidak mendekati
nol. Nilai
rangeyang merupakan selisih nilai maksimum dan
minimum yaitu sebesar 13,210 dan nilai sum yang merupakan penjumlahan dari
96 data ukuran perusahaan adalah sebesar 1.441,534.
2.Uji Asumsi Klasik
Model analisis yang digunakan adalah
metode uji
normalitas, uji
autokolerasi, uji multikolinearitas dan uji heteroskedastisitas.
a.Uji Normalitas
Model regresi yang baik adalah memiliki distribusi normal atau mendekati
normal, normal tidaknya suatu data dapat dideteksi juga lewat plot grafik histogram.
Cara yang paling sederhana melihat grafik histogram
yang membandingkan
data observasi dengan distribusi yang mendekati
normal Ghozali, 2006.
Gambar 4.1 Grafik Histogram Metode lain yang dapat melihat hasil
normalitas dengan menggunakan metode normal probability plot, penyebaran plot
pada normalitas dapat ditampilkan pada grafik normalitas berikut :
Gambar 4.2 Grafik Normal Plot
Untuk mendeteksi normalitas data dapat
juga dilakukan
dengan uji
Kolmogorov-Smirnov Ghozali,2011. Tabel 4.3 Hasil Uji Normalitas
dengan Uji Kolmogorov-Smirnov
Sumber : Data yang telah diolah
Hasil pengujian diketahui bahwa data
memberikan nilai
Kolmogorov- Smirnov sebesar 1.351 dengan Asymp. Sig.
2- tailed 0.052 diatas α= 0.05 maka dapat
disimpulkan kita tidak dapat menolak hipotesis nol yang berarti data berdistribusi
normal dan model regresi dapat digunakan sebagai pengujian berikutnya.
b.Uji Autokolerasi
Untuk mendeteksi ada tidaknya autokolerasi dalam penelitian ini maka
dilakukan uji Durbin-Watson DW test. Uji Durbin-Watson hanya digunakan untuk
autokolerasi tingkat satu dan mensyaratkan adanya intercept dalam model regresi dan
tidak ada variabel lag diantara variabel independen.
Tabel 4.4 Hasil Uji Autokolerasi Menggunakan Uji Durbin-Watson
Sumber : Data yang telah diolah Dari hasil pengujian diatas diperoleh
nilai DW sebesar 1.890, nilai ini akan kita bandingkan dengan nilai tabel dengan
menggunakan nilai signifikansi 5, jumlah sampel N= 96 dan jumlah variabel
independen 5 k=5, maka di tabel Durbin Watson akan didapatkan nilai sebagai
berikut :
Tabel 4.5 Durbin Watson Test Bound
N k=5
Du Dl
15 .
. .
. .
0,562 .
. .
. .
2,220 .
. .
. .
96 1,571
1,780 Sumber : Tabel Durbin-Watson d
Statistic: Significance point for dl and du at 0.005 level of significance Ghozali,2011
Oleh karena nilai DW 1,890 lebih besar dari batas atas du 1,780 dan kurang
dari 4-1,780 4-du, maka dapat disimpulkan bahwa tidak bisa menolak H0 yang
menyatakan bahwa tidak ada autokolerasi positif atau negative atau dapat disimpulkan
tidak terdapat autokolerasi.
c.Uji Multikolinearitas
